Negli anni 80 e 9, nessuno ci credeva. Ma eccolo qui: oggi il cosiddetto metodo di "deep learning" e "reti convoluzionali", nell'intelligenza artificiale, è il più importante, considerato il più efficace ed è stato adottato dai più grandi attori del settore, tendendo quasi erroneamente a diventare sinonimo di AI. Il ricercatore francese Yann LeCun, uno dei principali artigiani e promotori di queste tecniche, pubblica questo 16 ottobre 2019 un libro sull'argomento, Quando la macchina impara (Odile Jacob). Un'opera che prende rapidamente la tendenza all'entrata nel cuore della materia e include equazioni "senza ricorrere alla metafora". Il testo mescola, tuttavia, esposizione teorica e narrativa personale, Yann LeCun che racconta le pagine del suo progresso scientifico e della sua ricerca sulle reti neurali. Prima, come spesso con gli scienziati del settore (come recentemente Luc Julia), il desiderio di non cadere in visioni stravaganti alimentate dalla fantascienza più dello stato attuale della ricerca.

Il libro arriva sei mesi e mezzo dopo che Yann LeCun, il canadese Geoffrey Hinton e il canadese Yoshua Bengio hanno ricevuto il Turing Award il 27 marzo, ovviamente per il loro lavoro sull'apprendimento profondo. Una consacrazione innegabile.

Dotato di un milione di dollari, questo premio funziona in informatica considerata di grande importanza per la disciplina. Ma l'apprendimento profondo, un termine generico per il metodo della rete neurale convoluzionale, che ha impiegato molto tempo a sfondare ed è stato a lungo considerato una nicchia senza molto futuro, è ora uno degli approcci AI più popolari. in voga. Dal 2010 ha compiuto progressi spettacolari, in particolare nel riconoscimento delle immagini e nel parlato, utilizzati in assistenti vocali e in particolare in veicoli autonomi. La ragione? L'uso di potenti processori grafici per eseguire calcoli, GPU e, soprattutto, la disponibilità di una massa di dati con Internet, che può guidare gli algoritmi con molti esempi.

Una carriera negli Stati Uniti

Se si è laureato in Francia all'Esiee, Yann LeCun è stato ricercatore associato con Geoffrey Hinton all'Università di Toronto nel 1987 e ha trascorso tutta la sua carriera negli Stati Uniti (leggi il suo ritratto, pubblicato in 2015). Prima nei laboratori di ricerca privati, poi come insegnante presso la New York University, prima di essere nominata alla fine del 2013 alla guida del laboratorio di ricerca sull'intelligenza artificiale di Facebook (FAIR), che ha tre siti nel mondo. mondo incluso uno a Parigi, diretto da Antoine Bordes.

Nel 1995, con l'amico apprendista ricercatore Léon Bottou, che si è unito alla FAIR nel 2015, Yann LeCun ha creato una rete di neuroni in grado di riconoscere la calligrafia. Questo è uno dei primi risultati concreti usando l'apprendimento profondo. Il sistema è ancora oggi utilizzato per leggere assegni negli Stati Uniti. Ma al momento, non attira l'entusiasmo degli scienziati. L'intelligenza artificiale è diventata un campo di ricerca deprezzato, non avendo mantenuto gran parte delle sue promesse.

Per anni, Yann LeCun mantiene la fiamma organizzando seminari e altri simposi come parte di quella che lui ride "la cospirazione dell'apprendimento profondo". Si circonda di colleghi ricercatori che ancora ci credono: i suoi due vincitori del Premio Turing Geoffrey Hinton (che ora lavora su AI di Google, Google Brain) e Yoshua Bengio, che applica le reti convoluzionali al riconoscimento. discorso, ma anche Léon Bottou o Patrick Haffner.

La perseveranza avrà pagato. Le nostre uniche e importanti aziende digitali hanno iniziato l'apprendimento profondo (Facebook, Google, Nvidia, Baidu, Microsoft) ma il lavoro pionieristico in questo campo ha appena ricevuto le consacrazioni più prestigiose.

Negli anni 80 e 9, nessuno ci credeva. Ma eccolo qui: oggi il cosiddetto metodo di "deep learning" e "reti convoluzionali", nell'intelligenza artificiale, è il più importante, considerato il più efficace ed è stato adottato dai più grandi attori del settore, tendendo quasi erroneamente a diventare sinonimo di AI. Il ricercatore francese Yann LeCun, uno dei principali artigiani e promotori di queste tecniche, pubblica questo 16 ottobre 2019 un libro sull'argomento, Quando la macchina impara (Odile Jacob). Un'opera che prende rapidamente la tendenza all'entrata nel cuore della materia e include equazioni "senza ricorrere alla metafora". Il testo mescola, tuttavia, esposizione teorica e narrativa personale, Yann LeCun che racconta le pagine del suo progresso scientifico e della sua ricerca sulle reti neurali. Prima, come spesso con gli scienziati del settore (come recentemente Luc Julia), il desiderio di non cadere in visioni stravaganti alimentate dalla fantascienza più dello stato attuale della ricerca.

Il libro arriva sei mesi e mezzo dopo che Yann LeCun, il canadese Geoffrey Hinton e il canadese Yoshua Bengio hanno ricevuto il Turing Award il 27 marzo, ovviamente per il loro lavoro sull'apprendimento profondo. Una consacrazione innegabile.

Dotato di un milione di dollari, questo premio funziona in informatica considerata di grande importanza per la disciplina. Ma l'apprendimento profondo, un termine generico per il metodo della rete neurale convoluzionale, che ha impiegato molto tempo a sfondare ed è stato a lungo considerato una nicchia senza molto futuro, è ora uno degli approcci AI più popolari. in voga. Dal 2010 ha compiuto progressi spettacolari, in particolare nel riconoscimento delle immagini e nel parlato, utilizzati in assistenti vocali e in particolare in veicoli autonomi. La ragione? L'uso di potenti processori grafici per eseguire calcoli, GPU e, soprattutto, la disponibilità di una massa di dati con Internet, che può guidare gli algoritmi con molti esempi.

Raccomandato Scelta Del Redattore